掌纹识别是一种新兴的生物特征识别技术。掌纹识别是用掌纹特征来进行身份鉴别的一种方法。主成分分析(Principal component analysis,PCA)是一种经典掌纹特征提取方法,但它也存在一些不足:丢失部分信息,受旋转、光照强度的影响较大等问题。这在一定程度上影响了PCA的效果。本文针对上述问题提出两种改进的PCA算法,它们分别侧重掌纹的全局特征和局部特征。在对掌纹识别系统的研究中发现,全局特征和局部特征在掌纹感知过程中所起的作用不同,所以综合这两种特征的识别算法的研究是十分有意义的。针对上述问题,本文主要的研究工作如下:(1)针对PCA算法中存在的问题:只保留原始图像的主要信息,会丢失部分信息。结合原始掌纹图像的强弱对比不明显的特点,提出基于傅里叶与PCA特征相结合的掌纹识别方法。首先对掌纹图像进行傅里叶变换,然后对变换后的图像进行主成分分析,最后利用LS-SVM分类器进行识别。实验验证了所提方法的有效性。(2)针对PCA算法存在的问题:受旋转、光照强度变化的影响较大。提出基于分块PCA(ModulePCA)和LS-SVM相结合的掌纹识别方法。该方法特征提取时将一整幅掌纹图像分为4×4个子块图像,在此基础上应用主成分分析。在单样本掌纹识别问题中优势明显,是因为采用分块PCA方法变换后的图像与原有掌纹图像共同作为新的训练集进行训练,这样有效的扩充了样本数量。实验验证了该方法的有效性。(3)傅里叶变换使掌纹图像的主要信息更集中且分块PCA会更好的保留局部信息,使图像鲁棒性增强。由于掌纹图像不仅包含全局特征也包含丰富的局部特征,综合应用两种上述方法,本文设计基于全局和局部特征相融合的掌纹识别系统。掌纹图像经过傅里叶变换得到全局特征;经过Gabor变换,再运用分块PCA算法得到局部特征。在识别阶段,采用由粗到精的串行集成策略来集成全局和局部分类器。实验验证该系统可以兼顾掌纹识别的速度与精度,增强掌纹识别系统的实用性。本文实验所使用的数据集来自香港理工大学掌纹数据库(Poly U)。